Modelisation Stat-Bivarie

Modélisation L2 Mathématiques
Statistique descriptive bivariée
Couple de variables
Marie-Luce Taupin
marie-luce.taupin@genopole.cnrs.fr
2015-2016
Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Statistique descriptive bivariée 2015-2016 1 / 68
Objectifs
Statistique univariée : analyse descriptive séparée de chaque variable

d’un tableau individus × variables.
Statistique bivariée : analyse descriptive des variables deux à deux :
I étude d’un couple de variables statistiques
I étude de la liaison entre deux variables quantitatives, qualitatives,

quantitative/qualitative
I étape indispensable de toute analyse de jeux de données :

croisement systématique des variables 2 à 2.
Statistique descriptive multivariée : Analyse des données.

Données brutes et données groupées
Étude de deux variables X et Y sur une méme population de taille n :
xk et yk : valeurs prises par X et Y pour un méme individu k,

1 ≤ k ≤ n.
Données brutes (xk , yk )k=1,··· ,n : les n couples d’observations
(x1 , y1 ), (x2 , y2 ), . . . , (xn , yn )

Exemple
Extrait des données brutes :
Individu Sexe X Salaire horaire Y

1 F 13.25
2 F 12.50
3 H 14.00
4 F 13.00
5 H 7.00
6 F 29.80
...
599 H 14.50
Le salaire horaire dépend-il du sexe des individus ?

Exemple
Extrait des données brutes :
Employé Catégorie de personnel Age Région

1 A 58 NE
2 B 42 W
3 A 35 S
4 B 26 NE
5 B 22 W
6 C 32 NW
7 A 42 NE
... ... ... ...
597 C 41 S
598 C 33 NW
599 C 29 S
La répartition des éges est-elle différente selon la catégorie de

personnel (et dans quelle mesure) ?
La catégorie des employés est-elle liée à la région (et de quelle
maniére) ?

Extrait des données
> head(Donnees)
AGE SEXE REGION STAT_MARI SAL_HOR SYNDICAT CATEGORIE NIV_ETUDES NB_PERS NB_ENF REV_FOYER
1 58 F NE C 13.25 non 5 43 2 0 11
2 40 M W M 12.50 non 7 38 2 0 7
3 29 M S C 14.00 non 5 42 2 0 15
4 59 M NE D 10.60 oui 3 39 4 1 7
5 51 M W M 13.00 non 3 35 8 1 15
6 19 M NW C 7.00 non 3 39 6 0 16
> tail(Donnees)
AGE SEXE REGION STAT_MARI SAL_HOR SYNDICAT CATEGORIE NIV_ETUDES NB_PERS NB_ENF REV_FOYER
594 63 M NE M 10.5 non 4 40 2 0 13
595 51 F S M 29.8 non 2 42 2 0 14
596 29 F NE C 27.0 oui 1 43 2 0 15
597 57 F NW D 21.0 non 4 40 1 0 14
598 29 F W M 13.0 oui 5 39 6 4 11
599 47 M S C 14.5 non 4 39 1 0 12

Description des données
> dim(Donnees)
[1] 599 11
> attach(Donnees)
> names(Donnees)
[1] "AGE" "SEXE" "REGION" "STAT_MARI" "SAL_HOR" "SYNDICAT" "CATEGORIE" "NIV_ETUDES"

"NB_PERS" "NB_ENF" "REV_FOYER"
> str(Donnees)
’data.frame’: 599 obs. of 11 variables:

$ AGE : int 58 40 29 59 51 19 64 23 47 66 ...
$ SEXE : Factor w/ 2 levels "F","M": 1 2 2 2 2 2 1 1 2 1 ...
$ REGION : Factor w/ 4 levels "NE","NW","S",..: 1 4 3 1 4 2 3 1 2 3 ...
$ STAT_MARI : Factor w/ 5 levels "C","D","M","S",..: 1 3 1 2 3 1 3 1 3 2 ...
$ SAL_HOR : num 13.2 12.5 14 10.6 13 ...
$ SYNDICAT : Factor w/ 2 levels "non","oui": 1 1 1 2 1 1 1 1 2 1 ...
$ CATEGORIE : int 5 7 5 3 3 3 9 1 8 5 ...
$ NIV_ETUDES: int 43 38 42 39 35 39 40 43 40 40 ...
$ NB_PERS : int 2 2 2 4 8 6 3 2 3 1 ...
$ NB_ENF : int 0 0 0 1 1 0 0 0 0 0 ...
$ REV_FOYER : int 11 7 15 7 15 16 13 11 12 8 ...

Description des données
## Modification du type des variables
Donnees$CATEGORIE=as.factor(Donnees$CATEGORIE)
Donnees$NIV_ETUDES=as.factor(Donnees$NIV_ETUDES)
Donnees$REV_FOYER=as.factor(Donnees$REV_FOYER)
> str(Donnees)
’data.frame’: 599 obs. of 11 variables:

$ AGE : int 58 40 29 59 51 19 64 23 47 66 ...
$ SEXE : Factor w/ 2 levels "F","M": 1 2 2 2 2 2 1 1 2 1 ...
$ REGION : Factor w/ 4 levels "NE","NW","S",..: 1 4 3 1 4 2 3 1 2 3 ...
$ STAT_MARI : Factor w/ 4 levels "C","D","M","V": 1 3 1 2 3 1 3 1 3 2 ...
$ SAL_HOR : num 13.2 12.5 14 10.6 13 ...
$ SYNDICAT : Factor w/ 2 levels "non","oui": 1 1 1 2 1 1 1 1 2 1 ...
$ CATEGORIE : Factor w/ 10 levels "1","2","3","4",..: 5 7 5 3 3 3 9 1 8 5 ...
$ NIV_ETUDES: Factor w/ 15 levels "32","33","34",..: 12 7 11 8 4 8 9 12 9 9 ...
$ NB_PERS : int 2 2 2 4 8 6 3 2 3 1 ...
$ NB_ENF : int 0 0 0 1 1 0 0 0 0 0 ...
$ REV_FOYER : Factor w/ 16 levels "1","2","3","4",..: 11 7 15 7 15 16 13 11 12 8 ...

Résumé des données
> summary(Donnees)
AGE SEXE REGION STAT_MARI SAL_HOR SYNDICAT CATEGORIE NIV_ETUDES

Min. :16.00 F:297 NE:129 C:193 Min. : 2.0 non:496 2 :133 39 :187
1st Qu.:29.00 M:302 NW:122 D: 75 1st Qu.:10.5 oui:103 3 :125 40 :148
Median :42.00 S :200 M:325 Median :15.0 5 : 94 43 :114
Mean :41.85 W :148 V: 6 Mean :17.9 4 : 48 42 : 45
3rd Qu.:53.50 3rd Qu.:22.0 1 : 46 44 : 29
Max. :80.00 Max. :99.0 9 : 39 41 : 22
(Other):114 (Other): 54
NB_PERS NB_ENF REV_FOYER

Min. : 1.00 Min. :0.0000 14 : 89
1st Qu.: 2.00 1st Qu.:0.0000 15 : 77
Median : 3.00 Median :0.0000 13 : 71
Mean : 3.11 Mean :0.5326 12 : 70
3rd Qu.: 4.00 3rd Qu.:1.0000 11 : 61
Max. :13.00 Max. :6.0000 16 : 48
(Other):183

X et/ou Y qualitatives ou quantitatives discrétes
x1 , x2 , . . . , xi , . . . , xp : les p modalités de X (p observations distinctes

de X )
y1 , y2 , . . . , yj , . . . , yq : les q modalités de Y (q observations distinctes

de Y )

X et/ou Y quantitatives continues
Valeurs de X regroupées en p classes
[e0X , e1X [, . . . , [ei−1

X
, eiX [, . . . , [ep−1
X
, epX [
de centres x1 , · · · , xi , · · · , xp
Valeurs de Y en q classes
[e0Y , e1Y [, . . . , [ej−1

Y Y
, ejY [, . . . , [eq−1 , eqY [
de centres y1 , . . . , yj . . . , yq
X , e X [ et son centre x
Confusion parfois entre la classe [ei−1 i i

Données groupées
nij : nombre d’individus pour lesquels à la fois X prend la valeur xi et

Y la valeur yj
nij = #{k = 1, . . . , n xk = xi et yk = yj }
X , e X [ de centre x
Si X est continue, xk = xi signifie xk ∈ [ei−1 i i
Données groupées : (xi , yj , nij )i=1,...,p, j=1,...,q

Tableaux statistiques et distribution d’une série bivariée
Distribution jointe - Tableau de contingence
Distribution jointe en effectifs de X et de Y :
{(xi , yj , nij ) ; 1 ≤ i ≤ p, 1 ≤ j ≤ q}
Pour i = 1, . . . , p et j = 1, . . . , q
I nij : nombre d’individus possédant la modalité xi de X et la modalité
yj de Y .
Xq
I ni• = nij : nombre d’individus possédant la modalité xi (∈ classe de
j=1
centre xi ) de X
Xp
I n•j = nij : nombre d’individus possédant la modalité yj de Y
i=1
X q
p X p
X q
X
I n= nij = ni• = n•j ; nombre total d’individus de la
i=1 j=1 i=1 j=1
population.

Tableau de contingence en effectifs (p lignes, q colonnes)
Y y1 y2 ... yj ... yq Total

X
x1 n11 n12 ... n1j ... n1q n1•
x2 n21 n22 ... n2j ... n2q n2•
.. .. .. .. .. ..
. . . . . .
xi ni1 ni2 ... nij ... niq ni•
.. .. .. .. .. ..
. . . . . .
xp np1 np2 ... npj ... npq np•
Total n•1 n•2 ... n•j ... n•q n

Tableau de contingence : SEXE x REGION
> TabContEf<-table(SEXE,REGION)
> print(TabContEf) # affiche le nom des variables
REGION
SEXE NE NW S W
F 61 62 97 77
M 68 60 103 71
> addmargins(TabContEf)
REGION
SEXE NE NW S W Sum
F 61 62 97 77 297
M 68 60 103 71 302
Sum 129 122 200 148 599

X : SEXE et Y : REGION
X de type ......................... à p = .......... modalités.
Y de type ....................... 0 q = ......... modalités.
Mesures conjointes de X et Y sur n = .... individus.

Distribution jointe en fréquences
Pour i = 1, . . . , p et j = 1, . . . , q
nij
I fij = : proportion d’individus possédant la modalité xi de la variable
n
X et la modalité yj de la variable Y .
X q
I fi• = fij : fréquence de la modalité xi de X
j=1
p
X
I f•j = fij : fréquence de la modalité yj de Y
i=1
p X
X q p
X q
X
I 1= fij = fi• = f•j
i=1 j=1 i=1 j=1
Distribution jointe en fréquences de X et de Y :
{(xi , yj , fij ) ; 1 ≤ i ≤ p, 1 ≤ j ≤ q}

Tableau de contingence en fréquences (p lignes, q
colonnes)

X
x1 f11 f12 ... f1j ... f1q f1•
x2 f21 f22 ... f2j ... f2q f2•
.. .. .. .. .. ..
. . . . . .
xi fi1 fi2 ... fij ... fiq fi•
.. .. .. .. .. ..
. . . . . .
xp fp1 fp2 ... fpj ... fpq fp•
Total f•1 f•2 ... f•j ... f•q 1

Tableau de contingence : SEXE x REGION
> TabContFr<-prop.table(TabContEf)
> print(TabContFr)
REGION
SEXE NE NW S W
F 0.1018364 0.1035058 0.1619366 0.1285476
M 0.1135225 0.1001669 0.1719533 0.1185309
> print(round(TabContFr,2))
REGION
SEXE NE NW S W
F 0.10 0.10 0.16 0.13
M 0.11 0.10 0.17 0.12
> addmargins(round(TabContFr,2))
REGION
SEXE NE NW S W Sum
F 0.10 0.10 0.16 0.13 0.49
M 0.11 0.10 0.17 0.12 0.50
Sum 0.21 0.20 0.33 0.25 0.99
Tableau de contingence en % : SEXE x REGION
> TabContPr<-100*prop.table(TabContEf)
> print(TabContPr)
REGION
SEXE NE NW S W
F 10.18364 10.35058 16.19366 12.85476
M 11.35225 10.01669 17.19533 11.85309
> print(round(TabContPr,2))
REGION
SEXE NE NW S W
F 10.18 10.35 16.19 12.85
M 11.35 10.02 17.20 11.85
> addmargins(round(TabContPr,2))
REGION
SEXE NE NW S W Sum
F 10.18 10.35 16.19 12.85 49.57
M 11.35 10.02 17.20 11.85 50.42
Sum 21.53 20.37 33.39 24.70 99.99

Tableau de contingence : Autre représentation
> library(gplots)
> balloonplot(t(TabContEf),dotsize=10,main="")
REGION NE NW S W
SEXE
F 61 62 97 77 297
M 68 60 103 71 302
129 122 200 148 599

Représentations graphiques
> N1=nlevels(SEXE) # nombre de modalites (niveaux) du facteur Sexe
> N2=nlevels(REGION) # nombre de modalites (niveaux) du facteur REGION
> couleurs=rainbow(N1)
> barplot(TabContFr, col=couleurs,2)
> legend("topleft", legend=c("F", "H"), col=couleurs,pch=15)
femme
homme
1.0
0.8
fréquences
0.6
0.4
0.2
0.0
NE NW S W
Statistique descriptive
Region bivariée 2015-2016 22 / 68
> barplot(TabContFr,beside=TRUE, col=couleurs, 2)
> legend("topleft", legend=c("F", "H"), col=couleurs,pch=15)
0.5
femme
homme
0.4
0.3
fréquences
0.2
0.1
0.0
NE NW S W

A ne pas faire (sauf si les modalités sont équilibrées) !
> mosaicplot(TabContEf,col=couleurs,main="")
F M
NE
NW
REGION
S
W
SEXE

Tableau de contingence : SEXE x SALAIRE
=⇒ Tableau de contingence Qualitatif x Quantitatif.
> Nclasse=4 # Nombre de classes

> SALAIRE<-cut(SAL_HOR,breaks=Nclasse)
> TabContEf<-table(SEXE,SALAIRE)
> print(TabContEf)
SALAIRE
SEXE (1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1]
F 262 31 3 1
M 244 49 7 2
SALAIRE
SEXE (1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1] Sum
F 262 31 3 1 297
M 244 49 7 2 302
Sum 506 80 10 3 599

Tableau de contingence : SEXE x SALAIRE
> TabContFr<-prop.table(TabContEf)
> print(TabContFr)
SALAIRE
SEXE (1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1]
F 0.437395659 0.051752922 0.005008347 0.001669449
M 0.407345576 0.081803005 0.011686144 0.003338898
SALAIRE
SEXE (1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1]
F 0.44 0.05 0.01 0.00
M 0.41 0.08 0.01 0.00
SALAIRE
SEXE (1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1] Sum
F 0.44 0.05 0.01 0.00 0.50
M 0.41 0.08 0.01 0.00 0.50
Sum 0.85 0.13 0.02 0.00 1.00

Tableau de contingence : Autre représentation
> balloonplot(t(TabContEf),dotsize=10,main="")
SALAIRE (1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1]
SEXE
F 262 31 3 1 297
M 244 49 7 2 302
506 80 10 3 599

A ne pas faire (sauf si les modalités sont équilibrées) !
> mosaicplot(TabContEf,col=couleurs,main="")
F M
(1.9,26.2]
SALAIRE
(26.2,50.5]
(50.5,74.8]
(74.8,99.1]
SEXE

> boxplot(SAL_HOR ~ SEXE,xlab="Sexe",ylab="SALAIRE")
> abline(h=mean(SAL_HOR,na.rm=T),lty=2,col="red",lwd=2)
100
80
60
SALAIRE
40
20
0
F M
Sexe

Tableau de contingence : AGE x SALAIRE
=⇒ Tableau de contingence Quantitatif x Quantitatif.
ége (ans) [16 ;32[ [32 ;48[ [48 ;64[ [64 ;80] Total
Salaire horaire
[2 ;26[ 180 156 144 26 506
[26 ;50[ 11 28 40 1 80
[50 ;76[ 0 5 4 1 10
[76 ;100] 1 0 1 1 3
Total 192 189 189 29 599
X ................... à p = ... classes.
Y ................. à q = ... classes.
Mesures conjointes de X et Y sur n = ...... individus.
4 ...................................
> NclasseS=4 # Nombre de classes : Salaire
> SALAIRE<-cut(SAL_HOR,breaks=NclasseS)
> NclasseA=4 # Nombre de classes : Age
> Age<-cut(AGE,breaks=NclasseA)
> TabContEf<-table(Age,SALAIRE) # Tableau de contingence : Effectif
> print(TabContEf)
SALAIRE
Age (1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1]
(15.9,32] 180 11 0 1
(32,48] 156 28 5 0
(48,64] 144 40 4 1
(64,80.1] 26 1 1 1
SALAIRE
Age (1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1] Sum
(15.9,32] 180 11 0 1 192
(32,48] 156 28 5 0 189
(48,64] 144 40 4 1 189
(64,80.1] 26 1 1 1 29
Sum 506 80 10 3 599
> TabContFr<-prop.table(TabContEf) # Tableau de contingence : Frequence
SALAIRE
Age (1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1]
(15.9,32] 0.30 0.02 0.00 0.00
(32,48] 0.26 0.05 0.01 0.00
(48,64] 0.24 0.07 0.01 0.00
(64,80.1] 0.04 0.00 0.00 0.00
SALAIRE
Age (1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1] Sum
(15.9,32] 0.30 0.02 0.00 0.00 0.32
(32,48] 0.26 0.05 0.01 0.00 0.32
(48,64] 0.24 0.07 0.01 0.00 0.32
(64,80.1] 0.04 0.00 0.00 0.00 0.04
Sum 0.84 0.14 0.02 0.00 1.00

Représentation graphique plus appropriée
> plot(AGE,SAL_HOR,pch=20,xlab="Age",ylab="Salaire horaire",main="")
100
80
60
Salaire horaire
40
20
0
20 30 40 50 60 70 80
Age

Probléme des points superposés
> # Solution 1 : Bruitage des points
> plot(jitter(AGE),jitter(SAL_HOR),pch=20,xlab="Age",
ylab="Salaire horaire",main="")
100
80
60
Salaire horaire
40
20
0
20 30 40 50 60 70 80
Age

Probléme des points superposés
> # Solution 2 : symboles adapt\’es
> sunflowerplot(x=AGE,y=SAL_HOR,,xlab="Age",ylab="Salaire horaire",
main="")
100
80
60
Salaire horaire
40
20
0
20 30 40 50 60 70 80
Age

Distributions marginales
Distribution marginale de X en effectifs et en fréquences
{(xi , ni• ) ; 1 ≤ i ≤ p} {(xi , fi• ) ; 1 ≤ i ≤ p}
⇒ Derniére colonne du tableau de contingence en effectifs ou

fréquences
Distribution marginale de Y en effectifs et en fréquences
{(yj , n•j ) ; 1 ≤ j ≤ q} {(yj , f•j ) ; 1 ≤ j ≤ q}
⇒ Derniére ligne du tableau de contingence en effectifs ou fréquences

Tableaux des effectifs/fréquences de X et de Y
X effectif fréquence Y effectif fréquence

x1 n1• f1• y1 n•1 f•1
x2 n2• f2• y2 n•2 f•2
.. .. .. .. .. ..
. . . . . .
xi ni• fi• yj n•j f•j
.. .. .. .. .. ..
. . . . . .
xp np• fp• yq n•q f•q
p Xq
X
Total n= ni• 1 Total n= n•j 1
i=1 j=1
Dist. marginale de X Dist. marginale de Y

en eff. et en fréq. en eff. et en fréq.

Distributions marginales : SEXE et REGION
Y WE NW S W Total
Sexe X
Femme 61 62 97 77 297
Homme 68 60 103 71 302
Total 129 122 200 148 599
> margin.table(TabContEf,1)
SEXE
F M
297 302
REGION
NE NW S W
129 122 200 148

Distributions marginales : SEXE et REGION
Y WE NW S W Total
Sexe X
Femme 0.1018 0.1035 0.1619 0.1285 0.495
Homme 0.1135 0.1002 0.1720 0.1185 0.504
Total 0.215 0.203 0.333 0.247 1
> margin.table(TabContFr,1)
SEXE
F M
0.4958264 0.5041736
> margin.table(TabContFr,2)
REGION
NE NW S W
0.215 0.203 0.333 0.247

Distributions conditionnelles
Distributions conditionnelles de X sachant Y (colonne fixée) et de Y

sachant X (ligne fixée)
En effectifs, pour tout i = 1, . . . , p et j = 1, . . . , q
I nij : nombre d’individus tq X = xi et Y = yj
I ni/j : nombre d’individus tq X = xi parmi ceux pour lequels Y = yj
ni/j = nij avec j fixé
I nj/i : nombre d’individus tq Y = yj parmi ceux pour lesquels X = xi
nj/i = nij , i fixé

En fréquences, pour tout i = 1, . . . , p et j = 1, . . . q,
I fij : proportion d’individus tq X = xi et Y = yj
I fi/j : proportion d’individus pour lesquels X = xi parmi ceux pour

lesquels Y = yj .
nij
fi/j =
n•j
I fj/i : proportion d’individus pour lesquels Y = yj parmi ceux pour

lesquels X = xi
nij
fj/i =
ni•

Distributions conditionnelles en effectifs et fréquences
Distribution conditionnelle en effectifs de X sachant Y = yj
{(xi , ni/j ) ; 1 ≤ i ≤ p, j fixé}
(j ème colonne du tableau de contingence en effectifs)
Distribution conditionnelle en effectifs de Y sachant X = xi
{(yj , nj/i ) ; 1 ≤ j ≤ q, i fixé}
(i ème ligne du tableau de contingence en effectifs).

Distribution conditionnelle en fréquences de X sachant Y = yj :
{(xi , fi/j ) ; 1 ≤ i ≤ p, j fixé}
Distribution conditionnelle en fréquences de Y sachant X = xi :
{(yj , fj/i ) ; 1 ≤ j ≤ q, i fixé}

X /Y = yj effectif fréquence.
n1j
x1 n1/j = n1j f1/j =
n•j
n2j
x2 n2/j = n2j f2/j =
n•j
.. .. ..
. . .
nij
xi ni/j = nij fi/j =
n•j
.. .. ..
. . .
npj
xp np/j = npj fp/j =
n•j
p
X
Total n•j = nij 1
i=1
Dist. cond. eff. et fréq. de X sachant Y = yj

Y /X = xi effectif fréquence
ni1
y1 n1/i = ni1 f1/i =
ni•
ni2
y2 n2/i = ni2 f2/i =
ni•
.. .. ..
. . .
nij
yj nj/i = nij fj/i =
ni•
.. .. ..
. . .
niq
yq nq/i = niq fq/i =
ni•
q
X
Total ni• = nij 1
j=1
Dist. cond .eff. et fréq. de Y sachant X = xi

Il y a q distributions conditionnelles de X sachant Y = yj (autant que
les q modalités ou classes de Y )
Il y a p distributions conditionnelles de Y sachant X = xi (autant que

les p modalités ou classes de X )

Tableau des q distributions conditionnelles de X sachant Y
Distribution conditionnelle de X sachant Y = yj dans la colonne j
Y y1 y2 ... yj ... yq
X
x1 f1/1 f1/2 ... f1/j ... f1/q
x2 f2/1 f2/2 ... f2/j ... f2/q
.. .. .. .. ..
. . . . .
xi fi/1 fi/2 ... fi/j ... fi/q
.. .. .. .. ..
. . . . .
xp fp/1 fp/2 ... fp/j . . . fp/q
Total 1 1 ... 1 ... 1

Tableau des p distributions conditionnelles de Y sachant X
Distribution conditionnelle de Y sachant X = xi dans la ligne i

X
x1 f1/1 f2/1 ... fj/1 ... fq/1 1
x2 f1/2 f2/2 ... fj/2 ... fq/2 1
.. .. .. .. ..
. . . . .
xi f1/i f2/i ... fj/i ... fq/i 1
.. .. .. .. ..
. . . . .
xp f1/p f2/p ... fj/p ... fq/p 1

Exemple : Distributions conditionnelles en effectifs de Y
sachant X
Salaire Y [2 ;26[ [26,50[ [50,76[ [76,100[ Total
Sexe X
Femme 262 31 3 1 297
Homme 244 49 7 2 302
Total 506 80 10 3 599
Dist. cond. en effectifs du salaire horaire chez (sachant que) les

hommes
Parmi les .... hommes, il y a ..... personnes qui gagnent entre 2 et 26

dollars.
Sur les .... personnes observées, ... sont des hommes et gagnent entre
2 et 26 dollars.

Exemple : Distributions conditionnelles en effectifs de X
sachant Y
Salaire Y [2 ;26[ [26,50[ [50,76[ [76,100[ Total
Sexe X
Femme 262 31 3 1 297
Homme 244 49 7 2 302
Total 506 80 10 3 599
Dist. cond. en effectifs du sexe sachant que le salaire horaire

est compris entre 2 et 26 dollars.
Parmi les ... personnes qui gagnent entre 2 et 26 dollars, il y a ...

hommes.
Sur les ... personnes observés, ... sont des hommes et gagnent entre 2
et 26 dollars.

Tableau des q = 4 distributions conditionnelles en
fréquences du sexe X sachant le salaire horaire Y
Salaire Y [2 ;26[ [26,50[ [50,76[ [76,100[ Total
Sexe X
Femme 52% 39% 30% 33% 50%
Homme 48% 61% 70% 67% 50%
Total 100% 100% 100% 100% 100%
Dist. cond. en fréquences du sexe sachant que le salaire horaire est

compris entre 2 et 26 dollars.
Parmi les ... personnes qui gagnent entre 2 et 26 dollars, il y en a ...%

hommes.
Sur les .... personnes observées, ....% sont des hommes et gagnent
entre 2 et 26 dollars

Tableau des p = 3 distributions conditionnelles en
fréquences du salaire horaire Y selon le sexe X
Salaire Y [2 ;26[ [26,50[ [50,76[ [76,100[ Total
Sexe X
Femme 88% 10% 1% 1% 100%
Homme 81% 16% 2% 1% 100%
dist. marg. de Y 85% 13% 2% 0% 100%
Dist. cond. en fréquences de l’ége sachant la catégorie de personnel.
Parmi les ... hommes, il y a ...% des personnes qui gagnent entre 2 et
26 dollars.
Sur les ... personnes observés, ...% sont des hommes et gagnent entre
2 et 26 dollars

Moyennes, variances marginales et conditionnelles
UNIQUEMENT pour variables quantitatives.
Données brutes : calculs similaires à ceux effectués en statistique

univariée aprés extraction des individus d’intérét.
Données groupées : à partir des tableaux de contingence.

Moyennes et variances marginales
Distribution marginale de X en effectifs/fréquences
{(xi , ni• ) ; 1 ≤ i ≤ p} {(xi , fi• ) ; 1 ≤ i ≤ p}
Distribution marginale de Y en effectifs/fréquences
{(yj , n•j ) ; 1 ≤ j ≤ q} {(yj , f•j ) ; 1 ≤ j ≤ q}
Moyennes marginales x et y
p p
1X X
x = ni• xi = fi• xi
n
i=1 i=1
q q
1 X X
y = n•j yj = f•j yj
n
j=1 j=1

Moyennes marginales : AGE et SALAIRE
> print(TabContEf)
SALAIRE
Age (1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1] Sum
(15.9,32] 180 11 0 1 192
(32,48] 156 28 5 0 189
(48,64] 144 40 4 1 189
(64,80.1] 26 1 1 1 29
Sum 506 80 10 3 599
Age
(15.9,32] (32,48] (48,64] (64,80.1]
192 189 189 29
SALAIRE
(1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1]
506 80 10 3
## A comparer avec :
> mean(AGE)
[1] 41.84975
> mean(SAL_HOR)
[1] 17.89835
Variances marginales σx2 et σy2
p p
1X X
V (x) = σx2 = ni• (xi − x)2 = fi• (xi − x)2
n
i=1 i=1
q q
1 X X
V (y ) = σy2 = n•j (yj − y)2 = f•j (yj − y)2
n
j=1 j=1
Soit aussi
p p
1X X
σx2 = ni• xi2 − (x)2 = fi• xi2 − (x)2
n
i=1 i=1
q q
1 X X
σy2 = n•j yj2 − (y )2 = f•j yj2 − (y )2
n
j=1 j=1

Variances marginales : AGE et SALAIRE
> print(TabContEf)
SALAIRE
Age (1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1] Sum
(15.9,32] 180 11 0 1 192
(32,48] 156 28 5 0 189
(48,64] 144 40 4 1 189
(64,80.1] 26 1 1 1 29
Sum 506 80 10 3 599
Age
(15.9,32] (32,48] (48,64] (64,80.1]
192 189 189 29
SALAIRE
(1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1]
506 80 10 3
## A comparer avec :
> var(AGE)
[1] 199.275
> var(SAL_HOR)
[1] 127.2247
Moyennes et variances conditionnelles
Pour j = 1, . . . , q
Dist. cond. de X en effectifs/fréquences sachant que Y = yj
{(xi , ni/j ) ; 1 ≤ i ≤ p} {(xi , fi/j ) ; 1 ≤ i ≤ p}
avec
nij
ni/j = nij et fi/j =
n•j
Moyenne conditionnelle de X sachant que Y = yj : x/j

p p p
1 X 1 X X
x/j = x/Y=yj = ni/j xi = nij xi = fi/j xi ;
n•j n•j
i=1 i=1 i=1
2
Variance conditionnelle de X sachant que Y = yj : σx/j
p p
2 1 X 2 X 2
σx/j = V(x/Y=yj ) = ni/j xi − x/j = fi/j xi − x/j .
n•j
i=1 i=1

Pour i = 1, . . . , p
Dist. cond. de Y en effectifs/fréquences sachant que X = xi
{(yj , nj/i ) ; 1 ≤ j ≤ q} {(yj , fj/i ) ; 1 ≤ j ≤ q}
avec
nij
nj/i = nij et fj/i =
ni•
Moyenne conditionnelle de Y sachant que X = xi : y/i

q q q
1 X 1 X X
y/i = y/X=xi = nj/i yj = nij yj = fj/i yj ;
ni• ni•
j=1 j=1 j=1
2
Variance conditionnelle de Y sachant que X = xi : σy/i
q q
2 1 X 2 X 2
σy/i = V(y/X=xi ) = nj/i yj − y/i = fj/i yj − y/i .
ni•
j=1 j=1

Autre écriture de la variance conditionnelle
p
2 1 X 2
σx/j = ni/j xi − x /j
n•j
i=1
p p
1 X 2 X 2
= nij xi2 − x /j = fi/j xi2 − x /j
n•j
i=1 i=1
q
1 X 2
σy2/i = nj/i yj − y /i
ni•
j=1
q q
1 X 2 X 2
= nij yj2 − y /i = fj/i yj2 − y /i
ni•
j=1 j=1

Moyennes et variances conditionnelles du salaire par ége
> round(tapply(SAL_HOR, Age, mean),2)
(15.9,32] (32,48] (48,64] (64,80.1]
14.14 18.62 20.83 18.97
> round(tapply(SAL_HOR, Age, var),2)
(15.9,32] (32,48] (48,64] (64,80.1]
80.15 127.34 140.10 215.17
> tapply(SAL_HOR,Age,summary)
$‘(15.9,32]‘
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.25 9.00 12.00 14.14 16.34 90.00
$‘(32,48]‘
2.00 10.75 15.00 18.62 22.11 74.00
$‘(48,64]‘
4.00 13.00 19.00 20.83 25.72 99.00
$‘(64,80.1]‘
7.65 12.00 16.00 18.97 18.00 75.00

Moyennes et variances conditionnelles de l’ége par tranche
de salaire
> round(tapply(AGE, SALAIRE, mean),2)
(1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1]
40.80 47.06 50.30 52.00
> round(tapply(AGE, SALAIRE, var),2)
(1.9,26.2] (26.2,50.5] (50.5,74.8] (74.8,99.1]
205.08 123.86 131.12 441.00
> tapply(AGE,SALAIRE,summary)
$‘(1.9,26.2]‘
16.0 28.0 40.0 40.8 52.0 80.0
$‘(26.2,50.5]‘
25.00 38.75 49.00 47.06 56.25 70.00
$‘(50.5,74.8]‘
37.00 40.25 48.50 50.30 58.75 70.00
$‘(74.8,99.1]‘
28.0 44.5 61.0 52.0 64.0 67.0
Lien entre moyennes marginales et conditionnelles
=⇒ On peut retrouver la moyenne marginale (générale) en calculant la

moyenne pondérée des moyennes conditionnelles.
q q
1X X
x = n•j x/j = f•j x/j
n
j=1 j=1
p p
1 X X
y = ni• y/i = fi• y/i
n
i=1 i=1

Décomposition de la variance
=⇒ On peut pas retrouver la variance marginale à partir des variances

conditionnelles.
Variance marginale = variance des moyennes conditionnelles + moyenne

des variances conditionnelles.
q q
1X 2 1 X
σ2x = n•j x/j − x + 2
n•j σx/j
n n
j=1 j=1
p p
1X 2 1 X
σy2 = ni• y/i − y + 2
ni• σy/i
n n
i=1 i=1

Remarque
On peut calculer les moyennes et les variances conditionnelles d’une

variable quantitative sachant les modalités d’une variable qualitative.
Mais la réciproque est fausse ! Evident !

Exemple :
Salaire Y [2 ;26[ [26,50[ [50,76[ [76,100[ Total
SEXE X
Femme 88% 10% 1% 1% 100%
Homme 81% 16% 2% 1% 100%
dist. marg. de Y 85% 13% 2% 0% 100%
Le salaire horaire moyen de l’ensemble des personnes observés est de

17, 9 dollars ⇒ y = 17, 9
Le salaire horaire moyen des femmes A est de 16, 6 dollars
⇒ y /A = 16, 6
Le salaire horaire moyen des hommes B est de 19, 17 dollars
⇒ y /B = 19, 17
17, 9 = y = pi=1 fi• y /i = 0, 4959 ∗ 16, 6 + 0, 5041 ∗ 19, 17
P
=⇒ voir Slide 52.

Exemple :
Salaire Y [2 ;26[ [26,50[ [50,76[ [76,100[ Total

SEXE X
Femme 88% 10% 1% 1% 100%
Homme 81% 16% 2% 1% 100%
dist. marg. de Y 85% 13% 2% 0% 100%
La variance marginale du salaire horaire est σy2 = 127, 22.
La variance du salaire horaire des femmes est σy2/F = 105, 84.
La variance du salaire horaire des hommes est σy2/M = 145, 39.

Moyennes et variances conditionnelles du salaire horaire
par sexe
> round(tapply(SAL_HOR, SEXE, mean),2)

F M
16.60 19.17
> round(tapply(SAL_HOR, SEXE, var),2)

F M
105.84 145.39
> tapply(SAL_HOR,SEXE,summary)
$F
2.25 10.00 14.00 16.60 20.00 90.00
$M
2.00 11.00 15.70 19.17 23.04 99.00


Modelisation Stat-Bivarie

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Modelisation Stat-Bivarie

Încărcat de

Drepturi de autor:

Formate disponibile

Modélisation L2 Mathématiques

Statistique descriptive bivariée

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Statistique univariée : analyse descriptive séparée de chaque variable

Statistique bivariée : analyse descriptive des variables deux à deux :

I étude d’un couple de variables statistiques

I étude de la liaison entre deux variables quantitatives, qualitatives,

I étape indispensable de toute analyse de jeux de données :

Statistique descriptive multivariée : Analyse des données.

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Étude de deux variables X et Y sur une méme population de taille n :

xk et yk : valeurs prises par X et Y pour un méme individu k,

Données brutes (xk , yk )k=1,··· ,n : les n couples d’observations

(x1 , y1 ), (x2 , y2 ), . . . , (xn , yn )

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Extrait des données brutes :

Individu Sexe X Salaire horaire Y

Le salaire horaire dépend-il du sexe des individus ?

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Employé Catégorie de personnel Age Région

La répartition des éges est-elle différente selon la catégorie de

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

[1] "AGE" "SEXE" "REGION" "STAT_MARI" "SAL_HOR" "SYNDICAT" "CATEGORIE" "NIV_ETUDES"

’data.frame’: 599 obs. of 11 variables:

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

## Modification du type des variables

’data.frame’: 599 obs. of 11 variables:

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

AGE SEXE REGION STAT_MARI SAL_HOR SYNDICAT CATEGORIE NIV_ETUDES

NB_PERS NB_ENF REV_FOYER

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

x1 , x2 , . . . , xi , . . . , xp : les p modalités de X (p observations distinctes

y1 , y2 , . . . , yj , . . . , yq : les q modalités de Y (q observations distinctes

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Valeurs de X regroupées en p classes

[e0X , e1X [, . . . , [ei−1

[e0Y , e1Y [, . . . , [ej−1

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

nij : nombre d’individus pour lesquels à la fois X prend la valeur xi et

Données groupées : (xi , yj , nij )i=1,...,p, j=1,...,q

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Y y1 y2 ... yj ... yq Total

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

> print(TabContEf) # affiche le nom des variables

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

X de type ......................... à p = .......... modalités.

Y de type ....................... 0 q = ......... modalités.

Mesures conjointes de X et Y sur n = .... individus.

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Distribution jointe en fréquences de X et de Y :

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Y y1 y2 ... yj ... yq Total

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

129 122 200 148 599

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

> Nclasse=4 # Nombre de classes

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)

Couple de variables (Marie-Luce Taupin marie-luce.taupin@genopole.cnrs.fr)